-
-
公开(公告)号：CN112928965B
公开(公告)日：2022-09-13
申请号：CN202110333892.7
申请日：2021-03-29
申请人： 桂林电子科技大学
IPC分类号： H02P25/098 , H02P23/00
摘要： 本发明公开基于磁链的开关磁阻电机转矩脉动抑制控制系统和方法，利用神经网络转矩估计模型对转矩进行估计，并利用动态RBF神经网络转矩‑磁链模型实现相参考转矩到磁链的转换，基于估计的转矩信息对磁链进行实时前馈补偿，以获得准确磁链信息，实现了SRM的磁链控制，抑制转矩脉动，方法运算量小；所构造的神经网络转矩估计模型具有能够体现SRM转矩变化规律的激励函数，且对神经网络的输入进行预处理，以实现对瞬时转矩的估计；本系统可构成嵌入式系统，通过神经网络转矩估计模型实现瞬时转矩估计、通过动态RBF神经网络转矩‑磁链模型实现相参考转矩到磁链的转换及磁链前馈补偿，实现了SRM的磁链控制，抑制转矩脉动，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN113765449A
公开(公告)日：2021-12-07
申请号：CN202110864550.8
申请日：2021-07-29
申请人： 桂林电子科技大学
IPC分类号： H02P21/00 , H02P21/05 , H02P21/30 , H02P25/092 , H02P25/098 , H02P6/16 , H02P6/17
摘要： 本发明公开一种基于双Sigmod神经网络电感模型的SRM磁链控制系统与方法，根据SRM相电感变化曲线特征，设计双Sigmod激励函数，通过神经网络电感模型在线获得电感强非线性信息，实现基于双Sigmod神经网络电感模型的SRM磁链控制。在模型学习过程中，引入PD的偏差预处理方法，进一步加速了神经网络电感模型参数更新。本系统可构成嵌入式系统，基于神经网络电感模型，实现转矩到磁链准确转换，转换后得到参考磁链，实现SRM的磁链控制，有效抑制SRM转矩脉动。
-
公开(公告)号：CN113741183A
公开(公告)日：2021-12-03
申请号：CN202110924094.1
申请日：2021-08-12
申请人： 桂林电子科技大学
IPC分类号： G05B13/04
摘要： 本发明公开一种基于阻尼比模型的工业机器人自适应导纳控制方法，回避机器人建模，在导纳控制设计中，根据力误差与系统阻尼比之间的机理关系，设计激励函数，构造神经网络阻尼比模型，通过该模型使阻尼比在线调整，间接适应末端环境的刚度变化，实现力到位置自适应转换的导纳控制。同时引入参考轨迹控制方法，进一步提高力跟踪控制精度。与常规导纳控制相比较，所发明的自适应导纳控制的力误差更小，响应速度更快，能适应变刚度的未知打磨环境。
-
公开(公告)号：CN112994538A
公开(公告)日：2021-06-18
申请号：CN202110138493.5
申请日：2021-02-01
申请人： 桂林电子科技大学
摘要： 本发明公开一种基于傅里叶神经网络SRM转矩脉动抑制控制系统和方法，参考转矩和实际输出转矩之间的关系，搭建傅里叶神经网络频谱探测模块，快速地在线获取傅里叶神经网络输出转矩信号中含有各次谐波含量的频谱；结合考虑转矩的动态特性，依据在线获取的转矩谐波信息和历史转矩谐波信息，设计参考转矩补偿的信号发生器，其输出对速度控制器输出参考转矩进行补偿，剔除了参考转矩中不希望的引起输出转矩脉动对应的谐波信息，以获得更为理想的参考转矩，在转矩分配器和电流内环控制的配合下，实现控制系统输出转矩的各次谐波幅值大幅度减小，有效抑制转矩脉动。
-
公开(公告)号：CN112117947A
公开(公告)日：2020-12-22
申请号：CN202011064501.8
申请日：2020-09-30
申请人： 桂林电子科技大学
IPC分类号： H02P25/098 , H02P21/22
摘要： 本发明公开一种基于电流注入法的SRM转矩脉动抑制控制系统和方法，其主要由位置检测模块、相电流检测模块、求导模块、转速减法器、PI调节模块、转矩分配模块、转矩‑电流转换模块、电流迟滞控制模块、功率变换模块、转矩检测模块、转矩减法器、傅里叶神经网络和3个相电流加法器组成。本发明将神经网络的输出通过注入的方式补偿相电流，以通过在线自适应调整电流信号波形，实现转矩脉动的抑制。本系统可构成嵌入式系统，基于电流波动，提取转矩脉动信息，以修正补偿电流的方式，间接得到恒转矩下的理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN118848961A
公开(公告)日：2024-10-29
申请号：CN202410866440.9
申请日：2024-07-01
申请人： 桂林电子科技大学
IPC分类号： B25J9/16 , G06N3/0464 , G06N3/084
摘要： 本发明公开一种基于迟滞模型的电机驱动关节扭转角的补偿控制方法，在通过卡尔曼滤波还原剔除噪声干扰后的关节迟滞特性数据基础上，主设计了一种改进TCN迟滞模型，在模型各分支引入不同因子的扩张卷积，解决TCN神经网络迟滞模型在极值点存在较大误差问题；针对改进TCN迟滞模型依然存在由相位滞后引起的误差，设计相位超前环节与TCN神经网络模型串联，构造一个基于相位超前补偿的改进TCN神经网络迟滞模型，获得高精度关节迟滞模型。基于所发明的关节模组的迟滞模型，实现扭转角的前馈补偿控制，有效消除或抑制随负载变化所带来较大的扭转角对关节执行精度的影响，实现机器人高精度定位控制。
-
公开(公告)号：CN113765449B
公开(公告)日：2023-07-07
申请号：CN202110864550.8
申请日：2021-07-29
申请人： 桂林电子科技大学
IPC分类号： H02P21/00 , H02P21/05 , H02P21/30 , H02P25/092 , H02P25/098 , H02P6/16 , H02P6/17
摘要： 本发明公开一种基于双Sigmod神经网络电感模型的SRM磁链控制系统与方法，根据SRM相电感变化曲线特征，设计双Sigmod激励函数，通过神经网络电感模型在线获得电感强非线性信息，实现基于双Sigmod神经网络电感模型的SRM磁链控制。在模型学习过程中，引入PD的偏差预处理方法，进一步加速了神经网络电感模型参数更新。本系统可构成嵌入式系统，基于神经网络电感模型，实现转矩到磁链准确转换，转换后得到参考磁链，实现SRM的磁链控制，有效抑制SRM转矩脉动。
-
公开(公告)号：CN115319755A
公开(公告)日：2022-11-11
申请号：CN202211137827.8
申请日：2022-09-19
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法，针对负载转矩传感器的情况下，通过反映负载大小变化的电机驱动电流与关节扭转角之间的特性，描述关节在不同负载下的迟滞特性，在GRU神经网络的基础上引入反馈结构，利用模型输出值与期望输出值之间的误差组成补偿量，反馈给GRU神经网络模型，用于校正GRU神经网络模型的输出值，以提高关节的GRU神经网络模型精度。柔性关节迟滞模型预测随负载变化的扭转角，作为补偿量，修改关节的角度设定值，从关节输入端，间接实现对关节迟滞特性造成误差的有效补偿。本发明是一种低成本补偿控制方法，有利于低成本高精度轻型工业机器人的高端智能制造中的大量普及。
-
公开(公告)号：CN113759713A
公开(公告)日：2021-12-07
申请号：CN202110880826.1
申请日：2021-08-02
申请人： 桂林电子科技大学
IPC分类号： G05B13/04
摘要： 本发明公开一种忆阻模型与神经网络混合的谐波减速器误差补偿控制方法，将忆阻器模型改进成为忆阻迟滞模型，用于描述谐波减速器迟滞输出的基本变化规律；借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值进行补偿。RBF神经网络与忆阻迟滞模型输出叠加，构成谐波减速器混合迟滞模型，通过谐波减速器迟滞特性建模，预测在不同转矩下的扭转角输出，从谐波减速器驱动端进行传递误差的补偿。与从制造角度解决谐波减速器传递误差的方法完全不同，回避了谐波减速器的复杂结构与柔轮与刚轮之间周期性的啮合、脱开、再啮合的正反转传动的复杂运行机制，从信息建模与补偿的角度，提高谐波减速器的转换精度。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.03 秒)
